TAG:浏览器自动化
阿里开源Page Agent让大模型理解网页底层逻辑
阿里巴巴开源Page Agent是一款创新JavaScript客户端库，通过“DOM脱水”技术将复杂DOM树压缩为轻量FlatDomTree纯文本映射，让大模型无需截图或多模态分析即可直接读懂网页底层逻辑。该方案内嵌运行、天然继承Cookie与登录态，兼容任意LLM，适用于SaaS智能副驾、自动化数据采集和Web无障碍交互等场景。已在GitHub以MIT协议开源，帮助开发者以低成本实现高效网页自动化，告别代码重构焦虑。
40 
0 
阿里开源 Page Agent：大模型读懂 DOM，网页控制新范式
阿里巴巴开源Page Agent，通过“DOM脱水”技术将网页实时DOM结构压缩为轻量FlatDomTree纯文本，让大语言模型无需视觉或多模态输入即可精准操作页面。该JS客户端库直接嵌入网页运行，可无缝继承用户Cookie和会话，支持任意OpenAI兼容模型。适用于AI副驾、自动化表单、无障碍交互等场景，极大降低成本，已在GitHub以MIT协议开源。
微软推出Fara1.5系列智能体模型，任务成功率72%，超越OpenAI。
微软研究院近日发布了Fara1.5系列智能体模型，专为浏览器场景设计，包括4B、9B和27B三个版本。该模型与MagneticLite沙盒浏览器配合，通过模拟鼠标键盘操作自动完成网页任务。在Online-Mind2Web基准测试中，Fara1.5-27B任务成功率达72%，显著超越OpenAI和Gemini等竞品。训练使用多样数据提升适应性，并注重用户安全，主动询问模糊任务和保护隐私，展示了AI在日常计算机使用中的巨大潜力。
Vercel发布Agent Browser 大模型可操控网页
Vercel发布Agent Browser，这是一款专为AI代理设计的浏览器自动化CLI工具，首次让大模型能够直接操控网页，实现点击、填写、提交等交互操作。工具零配置上手，支持可视化调试和静默执行，通过精简数据结构提升93%的推理效率，兼容主流AI生态，标志着AI从被动理解迈向主动执行的关键突破。
开源浏览器操控工具发布 1美元可执行200任务
BrowserUse发布开源大模型BU-30B-A3B-Preview，采用MoE架构实现高效浏览器自动化。该模型具备卓越的DOM理解和视觉推理能力，支持多模态输入，每1美元可完成约200个任务，大幅降低AI网页操作成本。开发者可免费获取并集成，加速Web Agent生态发展。
Manus的下一步野心：让AI接管你的浏览器，从自动填表到智能导航
Manus推出革命性Browser Operator功能，可将Chrome/Edge浏览器一键升级为本地AI代理。该扩展利用用户真实IP、Cookie和登录状态，完美绕过验证码、付费墙和封号限制，支持在Crunchbase、PitchBook、Salesforce等付费平台自动执行数据采集、CRM操作等任务，大幅提升专业人士的工作效率。
